博客精选。
How WeatherNext helped the National Hurricane Center better predict Hurricane Melissa’s historic landfall in Jamaica
Google DeepMind 博客文章（2026 年 5 月 19 日），讲述 2025 年 10 月飓风 Melissa 登陆牙买加一事的预测过程。文中说明 WeatherNext AI 模型帮助美国国家飓风中心提前五天高置信度预测出风暴的快速增强和在牙买加的登陆，该中心据此首次从一级风速起预测风暴达到五级强度，并为当地社区发布预警、争取准备和疏散时间。
Making it easier to understand how content was created and edited
这是 Google 的信任与安全副总裁 Laurie Richardson 与 Google Cloud 首席科学家、Google DeepMind 副总裁 Pushmeet Kohli 合写的博客，日期为 2026 年 5 月 19 日。文章介绍 Google 在搜索、Gemini、Chrome、Pixel 和 Cloud 中扩展内容透明与验证工具。文中提到公司三年前推出的数字水印技术 SynthID，已用于为超过 1000 亿张图片和视频、6 万年时长的音频添加水印，并在生成式媒体工具中使用 C2PA Content Credentials 标准。
Introducing Gemini Omni
Google DeepMind 介绍 Gemini Omni 模型，称其可从任意输入生成内容，首先支持视频。Omni 可组合图像、音频、视频和文本作为输入，生成基于 Gemini 世界知识的高质量视频，并支持通过对话式自然语言编辑视频、保持角色与场景一致性。首个模型 Gemini Omni Flash 已在 Gemini 应用、Google Flow 和 YouTube Shorts 上线，后续将支持图像和音频输出。
Introducing Gemma 4 12B: a unified, encoder-free multimodal model
Google DeepMind 发布 Gemma 4 12B，定位为可直接在笔记本电脑上运行智能体式多模态能力的模型，介于轻量 E4B 与 26B MoE 之间，内存占用更小，是其中等规模模型中首个支持原生音频输入的。文章称其采用无多模态编码器的统一架构，视觉和音频输入直接进入 LLM 主干，并提到 Gemma 4 系列累计下载量已超过 1.5 亿次。
Measuring the impact of learning with AI in Sierra Leone and beyond
这篇文章由 Zoubin Ghahramani 发布，日期为 2026 年 6 月 9 日，属责任与安全类别。文章公布了一项与 Fab AI 合作、并获塞拉利昂教育部支持的随机对照试验结果与技术报告。试验历时八周，评估 Gemini 的 Guided Learning 功能对塞拉利昂洛科港区 12 所学校、1763 名初中学生数学学习进展的影响。文中引述该国教育部长的话，并说明该预先注册试验的结果表明 AI 可作为教学伙伴，补充而非取代教师。
DiffusionGemma: 4x faster text generation
Google DeepMind 发布实验性开放模型 DiffusionGemma，采用文本扩散方式一次性生成整块文本，而非逐 token 顺序生成，据称在专用 GPU 上推理速度最高提升 4 倍。该模型为 26B MoE 结构，以 Apache 2.0 许可证发布，面向研究速度敏感、交互式本地工作流（如行内编辑、快速迭代）的研究者和开发者。
Introducing Gemini 3.6 Flash, 3.5 Flash-Lite, and 3.5 Flash Cyber
Google 发布三款 Gemini 新模型，面向构建生产级 AI 智能体的开发者，强调 token 效率、低延迟和可靠性。文中称 3.6 Flash 在编码、知识工作和多模态方面表现更好，按 Artificial Analysis Index 输出 token 用量较 3.5 Flash 减少 17%，在部分基准上降幅可达 65%；3.5 Flash-Lite 定位最快、最经济的 3.5 级模型，约每秒 350 个输出 token；3.5 Flash Cyber 则在 CodeM 相关语境中介绍。
Gemini Robotics 2 brings whole body intelligence to robots
Google DeepMind 发布 Gemini Robotics 2，称其为驱动下一代可适应机器人的智能层，支持智能全身控制、精细灵巧操作和多机器人协作。文章指出多数机器人仍依赖预编程或遥操作，难以自主学习、适应不可预测环境，并提到该模型让机器人对每个动作进行推理以完成多种任务。
Running Codex safely at OpenAI
OpenAI 于 2026 年 5 月 8 日发布的安全类文章，说明 OpenAI 在真实工作流中如何治理编程智能体 Codex，涉及沙箱、审批、网络策略和面向智能体的遥测等控制手段与边界。内容面向关注安全合规采用编程智能体的团队。
What Parameter Golf taught us about AI-assisted research
OpenAI 于 2026 年 5 月 12 日发布的研究文章，回顾名为 Parameter Golf 的开放机器学习挑战：该活动吸引 1000 多名参与者、2000 多份提交，在严格约束下探索 AI 辅助机器学习研究、编程智能体、量化与新型模型设计。文中还设有“技术印象”和“纪录赛道”等小节，分享相关经验。
Building a safe, effective sandbox to enable Codex on Windows
OpenAI 技术人员 David Wiesen 于 2026 年 5 月 13 日撰写的文章，讲述团队如何为 Windows 上的 Codex 构建安全有效的沙箱，实现受控的文件访问和网络限制。文中介绍了 Codex 通过 CLI、IDE 扩展或桌面应用在开发者电脑上运行、默认以真实用户权限运行的情况，以及默认模式对读文件、写工作区文件和无网络访问的约束方式。适合关心编程智能体安全与工程实现的读者。
An OpenAI model has disproved a central conjecture in discrete geometry
这是 OpenAI 于 2026 年 5 月 20 日发布的文章，介绍一个内部 OpenAI 模型在平面单位距离问题上取得突破。该问题由 Paul Erdős 于 1946 年提出，问的是在平面放置 n 个点时最多有多少对点恰好相距 1。文中称，长期以来人们认为“方格”构造基本最优，而该模型推翻了这一猜想，给出了一族无穷多的构造，文章将其称为 AI 驱动数学的一个里程碑。